基于计算机视觉的边缘步态识别:关于特征表示,模型和架构的调查

科学领域:

• 计算机科学 计算机科学
• 生物识别信息 生物识别信息
• 人工智能的人工智能

背景情况:

• 基于计算机视觉的步态识别 (CVGR) 是一种非侵入性生物识别技术,在医疗保健和人机交互方面具有潜力.
• 目前的CVGR系统依赖于云服务器,导致延迟问题.
• 边缘计算提供了一种分散的方法来减少响应时间,并实现实时应用程序.

研究的目的:

• 审查适用于边缘计算的CVGR系统的最新情况.
• 探索步态数据采集,特征表示和边缘部署的模型架构.
• 确定基于边缘的CVGR的局限性和未来研究方向.

主要方法:

• 审查关于CVGR系统和边缘计算的当前文献.
• 分析步行数据采集方式和特征表示.
• 检查机器学习模型和架构的边缘推理.

主要成果:

• 低成本微型计算机的进步促进了CVGR的边缘部署.
• 边缘计算减少了延迟,并增强了CVGR的实时功能.
• 这篇论文提供了对边缘准备的CVGR技术的全面概述.

结论:

• 边缘计算为CVGR提供了一个有希望的范式,提供了减少延迟和改进实时性能.
• 需要进一步的研究来解决局限性,并优化CVGR系统的边缘环境.
• 将CVGR与边缘计算集成开辟了生物识别和医疗保健应用的新途径.